微观模拟模型通过使用个体水平的数据估计状态转换概率，模拟人群中个体的疾病发展过程。这种方法可以处理人群异质性或疾病史等个体特征的影响，从而解决流行病学中复杂疾病筛查的成本效果问题。本文介绍了微观模拟模型的基本原理、构建步骤、分析方法和相关注意事项。结合在美国人群中开展的一项慢性肾脏病微量蛋白尿筛查的成本效果分析的研究实例，从模型构建、模型分析和结果解读等方面，详细讨论了微观模拟模型在筛查成本效果分析中应用的要点。微观模拟模型通过估计广泛的个体特征，并考虑复杂疾病的动态发展过程，越来越多地用于解决马尔科夫模型假设受限的复杂问题。为了更好地支持公共卫生领域的循证决策，后续研究应注意决策模型参数的准确性和研究结果的透明度，并且需要按照相应的报告规范开展流行病学筛查的成本效果分析。
版权归中华医学会所有。
未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
除非特别声明，本刊刊出的所有文章不代表中华医学会和本刊编委会的观点。
采用决策模型的理论流行病学方法可以评估筛查等干预措施的长期效果，特别是随机对照试验在伦理或实施可行性受限的情况下，模型研究的结果将提供重要的决策证据。例如，美国预防服务工作组（United States Preventive Services Task Force，USPSTF）采用微观模拟模型（microsimulation model）分析的研究方法，近期更新了结直肠癌和肺癌筛查的推荐指南［1, 2］。微观模拟模型是一种基于个体水平的决策模型，即利用人群中与个体水平特征相关的状态转换参数，而不只是人群平均水平的汇总结果进行模型分析，这是与基于群体队列模拟的马尔科夫模型（Markov model）相比最重要的区别［3］。马尔科夫模型需要假设群体中同一状态下的个体具有较高的同质性，但复杂疾病筛查时人群异质性很普遍。异质性是指由于研究对象在基线特征等方面的临床和生物学差异，导致决策模型的参数在不同人群亚组间存在差异［4, 5］。不同患者的性别、年龄等特征对疾病发展过程、健康效用和成本等都有影响（例如，疾病的发病率在不同年龄、性别间存在统计学差异），马尔科夫模型需要分别计算不同年龄、性别等亚组人群各自的状态转换概率进行参数估计，以保证满足其同质性假设；但在群体水平上细分的亚组越多，越难保证在各亚组中都能获取到准确的参数［6］。另外，马尔科夫模型还需要假设状态转换概率与之前所处的健康状态及当前健康状态下停留的时间无关，而难以考虑研究对象的疾病史及动态发展轨迹［7］。微观模拟模型能够充分考虑个体特征的异质性以及疾病史对疾病发展的影响，将过去的经历结合到对未来事件发生的预测中，通过健康状态的转换来模拟筛查等干预措施的影响并评价长期效果，因此特别适合复杂疾病筛查的流行病学研究［8］。本文将详细介绍微观模拟模型的基本原理、构建步骤、分析方法及相关注意事项，并结合实例讨论微观模拟模型在流行病学筛查成本效果分析中的应用。
